RuntimeError: expected scalar type Double but found Float

 

可以看到是输入数据(points)与模型权重的数据类型之间的冲突。

1、尝试将输入数据改为Double类型

一般的Tensor数据类型转化方法：

• 在Tensor数据后加long(), int(), double(), float(), byte()等函数就能将Tensor的类型进行转换
• 使用torch.type()函数，data为Tensor数据类型，data.type()给出data的类型，如果使用data.type(torch.DoubleTensor)则强制转换为torch.DoubleTensor类型的张量

points = points.double()
points = points.type(torch.DoubleTensor)

但是都失败了，数据类型没有变化，为啥呀？？没有更改过来？

2、改不了输入数据，那就改参数，权重参数来自于线性层

self.Q_layer = nn.Linear(in_f, hidden_size)

torch.nn.Linear(in_features, # 输入的神经元个数
           out_features, # 输出神经元个数
           bias=True # 是否包含偏置
           )

使用 torch.empty随机生成权重，好像可以指定数据类型的，尝试更改

self.Q_layer = nn.Linear(in_f, hidden_size,dtype=torch.float64)

报错：RuntimeError: Expected all tensors to be on the same device, but found at least two devices, cpu and cuda:0! (when checking argument for argument mat2 in method wrapper_mm)

改了之后还是一堆奇奇怪怪的报错，官网 nn.Linear ：This module supports TensorFloat32.还是在看看自己的输入数据怎么改把，回溯看输入数据是如何变为torch.float64的

3、看输入数据是如何变为torch.float64的

 一开始输入数据的时候没有问题，继续调试发现中间有一个部分特征由numpy.array转化而来

xyz_new=torch.torch(xyz_new)

在这里输入前特征为numpy.array转化之后就变成torch.float64了，修改为

xyz_new =torch.FloatTensor(xyz_new)

修改之后特征输出为torch.float32，线性层也可以正常工作了

总结疑问：

1、Tensor数据类型转化为什么失败？是有什么使用条件吗？

2、torch.torch(xyz_new)为啥转化为torch.float64了，之前使用的明明是正常的呀

参考：

[报错]RuntimeError: expected scalar type Double but found Float(torch)-CSDN博客